基于SHAP值的神经网络模型变量选择方法及装置

本发明提供基于SHAP值的神经网络模型变量选择方法，属于光谱数据处理化学计量学变量选择领域，包括S1对样本光谱进行标准化处理得到光谱数据集；S2基于当前变量集选择光谱数据训练神经网络模型；S3基于K‑Fold交叉验证计算当前变量集中每个变量的SHAP值，得到变量重要性矢量；S4对变量重要性矢量进行排序，基于e指数函数移除不重要变量，得到新的变量集；S5判断是到达设定的迭代次数，若是，选择交叉验证误差最小的变量集作为最优变量集，若否，返回S2，将新的变量集输入神经网络模型继续执行；还提供基于SHAP值的神经网络模型变量选择装置，实现输入变量重要性评价和变量选择，提高光谱建模和检测精度。